Léim chuig an ábhar

Index TTS 2.0

Comhtháthú

Aitheantas na samhla index-tts-2/text-to-speech
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/index-tts-2/text-to-speech?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "prompt": "Hello from Doitong. This is a short test sentence."
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Suas le $0.06 in aghaidh an rith gearrtar táille de réir na húsáide iarbhír, aisíoctar an fuílleach Rith ar an leathanach seo

Faigh eochair API
bilibili Téacs go Urlabhra #text-to-speech

Sintéis cainte ó ghearrthóg ghutha thagartha agus téacs, le rialú mothúcháin trí fhuaim, leid nó láidreachtaí in aghaidh na mothúchán

bilibili · Fuaim

Beidh do chéad toradh anseo

Tóg iarratas thíos agus rith é le d’eochair API. Cóipeáiltear na haschuir chuig ár stóráil, coinnithe go deo nó ar feadh 7 lá saor in aisce.

Tóg iarratas

Gintear na rialtáin ó scéim na samhla. Nuashonraítear an cód agus an praghas de réir mar a athraíonn tú iad.

•riachtanach

Leid don urlabhra atá le giniúint.

•riachtanach audio_url
Scaoil comhad, nó

Comhad fuaime foinse a úsáidtear chun urlabhra a ghiniúint.

Ardleibhéal emotion_prompt · emotional_audio_url · strength · should_use_prompt_for_emotion · enable_safety_checker · emotional_strengths

Treoracha stíle mhothúchánaí a éilíonn `should_use_prompt_for_emotion` a úsáid chomh maith.

Scaoil comhad, nó

Comhad fuaime tagartha a úsáidtear chun stíl mhothúchánach a bhaint.

réamhshocrú 1

Méadaíonn an tionchar mothúchánach a chuirtear i bhfeidhm le linn aistriú stíle leis an socrú neart seo.

Luachanna déine in aghaidh na mothúchán le haghaidh coigeartú mionsonraithe.

POST /run/index-tts-2/text-to-speech?wait=20 luachan → $0.06
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/index-tts-2/text-to-speech?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "prompt": "Hello from Doitong. This is a short test sentence."
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Rith an t-iarratas seo

Fanann d'eochair sa bhrabhsálaí seo: seoltar chuig Doitong API amháin í agus sábháiltear (localStorage) í ach amháin má chuireann tú tic le Meabhraigh. Faigh eochair API

Maidir le Index TTS 2.0

Gineann sé caint don téacs in `prompt`, ag úsáid an ghutha ón ngearrthóg thagartha ag `audio_url`. Is féidir stíl mhothúchánach a fháil ar iasacht ó ghearrthóg eile le `emotional_audio_url`, arna scálú le `strength` (0 go 1), nó a shocrú trí `emotional_strengths`. Mar rogha eile, cumasaigh `should_use_prompt_for_emotion`, le `emotion_prompt` ar leith más gá. Tagann an fhuaim ar ais mar réad base64.

Paraiméadair

Seol an t-ainm canónach nó an t-ainm dúchasach, ní an dá cheann. Ainmneacha canónacha

AinmCineál RéamhshocrúCeadaithe Cur síos
audio_urlriachtanach audio
Cineálurl · audio
Comhad fuaime foinse a úsáidtear chun urlabhra a ghiniúint.
promptriachtanach
Cineálstring
Leid don urlabhra atá le giniúint.
emotional_audio_urlroghnach
Cineálurl · audio
Comhad fuaime tagartha a úsáidtear chun stíl mhothúchánach a bhaint.
strengthroghnach
Cineálnumber
Réamhshocrú1
0 – 1
Méadaíonn an tionchar mothúchánach a chuirtear i bhfeidhm le linn aistriú stíle leis an socrú neart seo.
emotional_strengthsroghnach
Cineálobject
Luachanna déine in aghaidh na mothúchán le haghaidh coigeartú mionsonraithe.
emotional_strengths.happyroghnach
Cineálnumber
Réamhshocrú0
0 – 1
Déine mhothúchán an áthais.
emotional_strengths.angryroghnach
Cineálnumber
Réamhshocrú0
0 – 1
Déine na feirge.
emotional_strengths.sadroghnach
Cineálnumber
Réamhshocrú0
0 – 1
Déine an bhróin.
emotional_strengths.afraidroghnach
Cineálnumber
Réamhshocrú0
0 – 1
Déine an eagla.
emotional_strengths.disgustedroghnach
Cineálnumber
Réamhshocrú0
0 – 1
Déine an tsamhnasa.
emotional_strengths.melancholicroghnach
Cineálnumber
Réamhshocrú0
0 – 1
Déine na lionn dubh.
emotional_strengths.surprisedroghnach
Cineálnumber
Réamhshocrú0
0 – 1
Déine na hiontais.
emotional_strengths.calmroghnach
Cineálnumber
Réamhshocrú0
0 – 1
Déine na socrachta.
should_use_prompt_for_emotionroghnach
Cineálboolean | null
Réamhshocrúfalse
Cuirtear ríomh mothúchán bunaithe ar leid in ionad `emotional_strengths` sainráite nuair atá sé cumasaithe. Tagann an stíl mhothúchánach ó `emotion_prompt` má chuirtear ar fáil é, nó ó `prompt` murach sin.
emotion_promptroghnach
Cineálstring | null
Treoracha stíle mhothúchánaí a éilíonn `should_use_prompt_for_emotion` a úsáid chomh maith.
enable_safety_checkerroghnach
Cineálboolean
Réamhshocrútrue
Is féidir an scagadh a mhaolú trí false a shocrú, ar choinníoll go bhfuil údarú ag an nglaoiteoir.
riachtanach Ainm canónach, glactar leis freisin

Glacann paraiméadair chomhaid le URL poiblí https://, URI data: suas le 10 MB, nó file_url uaslódála. Comhaid

Aschur

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "index-tts-2/text-to-speech",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 60,
    "usd": "0.06",
    "charged": 60,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "prompt": "Hello from Doitong. This is a short test sentence."
  },
  "output": {
    "audio": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_name": "0-output.mp3",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "audio",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_size": 1843200,
      "duration": 12,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Do chuid comhad, do roghaIs cóip ar ár stóráil é gach outputs[].url: coinnithe go deo (íoctha in aghaidh GB-mhí) nó ar feadh 7 lá saor in aisce, de réir shocrú do chuntais nó ?storage=.
An cruth céanna ar gach samhailtype, url, content_type, width, height agus duration, d'íomhánna, d'fhíseáin agus d'fhuaim araon. Is é output réad toraidh na samhla féin.
Réimsí aschuir
audio
object {url, content_type, file_name, file_size}Fuaim ghinte ionchódaithe i bhformáid base64.

Do ghníomhairí AI: tá an leathanach seo mar Markdown ag https://doitong.com/ga/developers/models/index-tts-2/text-to-speech.md. Gach samhail agus treoir: https://doitong.com/developers/llms.txt